[논문 리뷰] Identifying Restaurant Features via Sentiment Analysis on Yelp Reviews

Boya Yu, Jiaxu Zhou외 2명|arXiv (Cornell University)|2017. 09. 20.

Sentiment Analysis and Opinion Mining참고 문헌 8인용 수 31

한 줄 요약

이 논문은 유저 리뷰를 분석하여 특정 레스토랑 특성(예: 음식, 서비스, 분杂)에 대한 감성 정보를 식별하기 위해 지지벡터기반 기계학습(SVM) 기반 방법을 제안한다. 단어 빈도 분석과 극성 점수 생성을 통해 모델은 서비스에 대한 강한 감성 및 이탈리안 요리에서 페퍼로니 피자, 프랑스 요리에서 높은 가격 등 요리 유형별 감성 패턴을 드러내며, 종합 평점 이상의 세밀한 통찰을 제공한다.

ABSTRACT

Many people use Yelp to find a good restaurant. Nonetheless, with only an overall rating for each restaurant, Yelp offers not enough information for independently judging its various aspects such as environment, service or flavor. In this paper, we introduced a machine learning based method to characterize such aspects for particular types of restaurants. The main approach used in this paper is to use a support vector machine (SVM) model to decipher the sentiment tendency of each review from word frequency. Word scores generated from the SVM models are further processed into a polarity index indicating the significance of each word for special types of restaurant. Customers overall tend to express more sentiment regarding service. As for the distinction between different cuisines, results that match the common sense are obtained: Japanese cuisines are usually fresh, some French cuisines are overpriced while Italian Restaurants are often famous for their pizzas.

연구 동기 및 목표

• 요리 평점의 한계를 해결하기 위해 음식, 서비스, 분위기 등의 특정 레스토랑 특성에 대한 감성을 추출한다.
• 종합 점수를 넘어서 개별 레스토랑 특성에 대한 감성을 식별하고 정량화하는 기계학습 방법을 개발한다.
• 일본 요리가 신선함과 연관되거나 프랑스 요리가 높은 가격과 연관된 것처럼 일반 요리 인식과 일치하는 감성 패턴을 검증한다.
• 특정 레스토랑 유형에 대해 단어의 감성 기여도를 기반으로 극성 인덱스를 생성하여 기능 수준의 감성 분석을 가능하게 한다.

제안 방법

• 지지벡터기반(SVM) 모델을 유저 리뷰 데이터에 적용하여 단어 빈도 패턴을 기반으로 감성 분류를 수행한다.
• SVM에서 유도된 단어 점수를 집계하여 특정 레스토랑 유형에 대한 각 단어의 감성 기여도를 나타내는 극성 인덱스를 계산한다.
• 음식 품질, 서비스, 가격 등 고유한 특성에 대한 감성을 다양한 요리 유형 간에 구분하는 데 집중한다.
• 레이블이 부여된 리뷰에서 학습 데이터를 확보하며, SVM의 결정 경계에 기여하는 단어 수준의 기여도를 통해 감성 경향을 유추한다.
• 감성 극성에 대한 어휘적 특징을 타겟 레스토랑 특성에 매핑하기 위해 지도 학습 기법을 활용한다.

실험 결과

연구 질문

• RQ1 비정형 유저 리뷰에서 특정 레스토랑 특성(예: 음식, 서비스, 분위기)에 대한 감성을 자동으로 식별할 수 있는가?
• RQ2 레스토랑 특성에 대한 감성 패턴이 일반적인 요리 인식(예: 이탈리안 요리 = 피자, 프랑스 요리 = 비싼 가격)과 어느 정도 일치하는가?
• RQ3 어느 레스토랑 특성이 사용자에게 가장 강한 감성 표현을 유도하며, 이는 요리 유형에 따라 어떻게 달라지는가?
• RQ4 SVM에서 유도된 단어 점수로부터 유도된 극성 인덱스가 다양한 레스토랑 유형의 특정 특성에 대한 감성 기여도를 효과적으로 표현할 수 있는가?

주요 결과

• 고객은 다른 레스토랑 특성들보다 서비스에 대해 훨씬 더 강한 감성을 표현한다.
• 모델는 일본 요리가 신선함과 연관되고 프랑스 요리가 높은 가격과 연관된 것처럼 요리 유형별 감성 패턴을 성공적으로 식별한다.
• 이탈리안 요리점은 일관되게 페퍼로니 피자에 대해 긍정적인 감성을 표현하며, 일반적인 인식과 일치한다.
• SVM 기반 극성 인덱스는 단어 수준의 감성 기여도를 효과적으로 포착하여 레스토랑 특성의 세밀한 분석을 가능하게 한다.